R 镶嵌面包裹和几何图形条分组错误

我有一个数据集，看起来像：

Pair,Total readNUM,Uniquely mapped readNUM,Batch
CP3027_merged_trimmed,83750278,75237898,P160411
CP3028_merged_trimmed,94621036,86736510,P160411
CP3029_merged_trimmed,89051500,80999978,P160411
CP3030_merged_trimmed,100399436,89787060,P160411
CP3032_merged_trimmed,91591620,83432242,P160411
CP3036_merged_trimmed,81272998,73541686,P160411
CP3037_merged_trimmed,85289630,77513350,P160411
CP3058_merged_trimmed,85092730,78269348,P160411
CP3059_merged_trimmed,81696100,74981834,P160411
CP3060_merged_trimmed,88098518,79513000,P160411
CP3065_merged_trimmed,75924870,68052566,P160411
CP3066_merged_trimmed,89746438,79933004,P160411
CP3068_merged_trimmed,82041060,73183314,P160411
CP3074_merged_trimmed,82162078,74321554,P160411
CP3078_merged_trimmed,77500516,70835090,P160411
CP3185_merged_trimmed,99023950,90729150,P160411
CP3081_trimmed,88044290,76494036,P160475
CP3084_trimmed,88741718,79056712,P160475
CP3085_trimmed,81212190,71851198,P160475
CP3091_trimmed,82675822,72460250,P160475
CP3092_trimmed,96965168,86268756,P160475
CP3093_trimmed,68717952,60125000,P160475
CTL001_trimmed,74160410,63648530,P160475
CTL004_trimmed,100474172,85822840,P160475
CP1950_trimmed,162963640,136601638,SO41314
CP2160_trimmed,77991138,65584038,SO41314
CP2171_trimmed,89296686,75887918,SO41314
CP2204_trimmed,71691448,60311650,SO41314
CP2325_trimmed,95803886,80002310,SO41314
CP3133_trimmed,76307744,64964436,SO41314
CP3249_trimmed,78904062,67382812,SO41314
CP3541_trimmed,67020194,56703314,SO41314
CP0678_trimmed,19986550,18575050,SBSQ8092_1
CP2032_trimmed,21722580,20138926,SBSQ8092_1
CP2164_trimmed,23275750,21359668,SBSQ8092_1
CP2544_trimmed,22376982,20652410,SBSQ8092_1
CP2695_trimmed,22264402,20631472,SBSQ8092_1
CP3127_trimmed,33050232,29990758,SBSQ8092_2
CP3141_trimmed,24164170,21655048,SBSQ8092_2
CP2997_trimmed,96381034,91772686,NG-10002
L0218_001_trimmed,257181636,81639268,x
L0218_002_trimmed,263258410,31357342,x
L0218_003_trimmed,183642720,30657224,x

对于每个样本（成对=第1列），我绘制了映射读取（第3列）上的读取总数（第2列），并通过实验（第4列）为条带上色。 结果如图1所示：

样品未排序，难以比较属于同一实验（批次）的样品。 为了使绘图更具可读性，我使用

facet\u wrap

通过实验将它们分组

结果图（图2）具有正确的颜色，但样本未通过

facet\u wrap

（或

facet\u grid

）放置在正确的组中

在另一篇文章（“”）中，建议避免使用

$

引用

aes（）中的变量。
然后我修改代码（
BamSummaryRaw$Pair->Pair
和
BamSummaryRaw$Batch->Batch
），但问题仍然存在

这是我使用的代码：

library(ggplot2);library(cowplot);library(grid)
library(gridExtra);library(reshape2)

BamSummaryRaw <- read.table('BamSummary_B38.csv',header=T,sep=',',quote='',check.names=F,stringsAsFactors=FALSE)

# convert # in millions
totReadsMill <- BamSummaryRaw$`Total readNUM`/1000000
totMappedMill <- BamSummaryRaw$`Uniquely mapped paired readNUM`/1000000

experiments <- BamSummaryRaw$Batch

# plots
gg.MAIN <- ggplot(BamSummaryRaw,aes(x=Pair,fill=experiments))

gg.reads <- gg.MAIN + geom_bar(aes(y=totReadsMill),fill='white',colour='black',stat='identity',width = 0.5,show.legend = T) +
   geom_bar(aes(y=totMappedMill),colour='black',stat='identity',width = 0.5,show.legend = T) +
   theme(axis.text.x = element_text(angle = 20, hjust = 1,size=5)) +
   labs(x='samples',y='# of reads [10^6]') +
   ylim(0,200)

#prova <- gg.reads + facet_grid(~BamSummaryRaw$Batch,scales='free_x', labeller = label_wrap_gen(multi_line=FALSE))
prova <- gg.reads + facet_wrap(~Batch,scales='free_x',nrow=1)

库（ggplot2）；图书馆（cowplot）；图书馆（网格）
图书馆（额外）；图书馆（E2）
BamSummaryRaw如果我理解正确，您所需要的就是订购x轴。您可以使用
scale\u x\u discrete（）
执行此操作。只需将样本向量传递给函数，x轴将根据它进行排序

# Using OPs data
# Rename for easier manipulation
colnames(BamSummaryRaw) <- c("pair", "total", "mapped", "batch")

# Plot
library(ggplot2)
ggplot(BamSummaryRaw, aes(pair, fill = batch)) +
    # Number of total reads (M)
    geom_bar(aes(y = total / 1e6), fill = "white", color = "black",
             stat = "identity", position = "dodge", width = 0.5) +
    # Number of mapped reads (M)
    geom_bar(aes(y = mapped / 1e6), color = "black", stat = "identity", position = "dodge", width = 0.5) +
    # Order x-axis
    scale_x_discrete(limits = BamSummaryRaw$pair) +
    # Add labels
    labs(title = "Number of reads",
         subtile = "Total and Mapped / Grouped per batch",
         x = NULL,
         y = "Number of reads, M",
         fill = "Batch") +
    # Nicer theme
    theme_classic() +
    theme(axis.text.x = element_blank(),
          axis.ticks.x = element_blank(),
          legend.position = "bottom")

如果我理解正确，您只需要订购x轴。您可以使用
scale\u x\u discrete（）
执行此操作。只需将样本向量传递给函数，x轴将根据它进行排序

# Using OPs data
# Rename for easier manipulation
colnames(BamSummaryRaw) <- c("pair", "total", "mapped", "batch")

# Plot
library(ggplot2)
ggplot(BamSummaryRaw, aes(pair, fill = batch)) +
    # Number of total reads (M)
    geom_bar(aes(y = total / 1e6), fill = "white", color = "black",
             stat = "identity", position = "dodge", width = 0.5) +
    # Number of mapped reads (M)
    geom_bar(aes(y = mapped / 1e6), color = "black", stat = "identity", position = "dodge", width = 0.5) +
    # Order x-axis
    scale_x_discrete(limits = BamSummaryRaw$pair) +
    # Add labels
    labs(title = "Number of reads",
         subtile = "Total and Mapped / Grouped per batch",
         x = NULL,
         y = "Number of reads, M",
         fill = "Batch") +
    # Nicer theme
    theme_classic() +
    theme(axis.text.x = element_blank(),
          axis.ticks.x = element_blank(),
          legend.position = "bottom")

谢谢你的建议。它可以工作，并且您的代码比我的代码干净得多，但我仍然会尝试理解
facet\u wrap
没有正确分组的原因。关于你的第二点，我同意你的观点，但是在这个具体的例子中，我确实需要处理阅读的数量而不是百分比。这样我就可以更容易地发现样本污染。@fra在您的案例中的问题是这样一行：
gg.MAIN@fra也
aes（y=totreasmill）
。不要传递向量-会弄乱你的结果用
批处理替换
实验
（正如另一篇文章所建议的）在我的原始代码中也解决了这个问题。我以前尝试过删除
实验
，但它不起作用，因为我后来还在传递向量。Thanks@fra如果答案有助于解决你的问题，你可以接受。谢谢你的建议。它可以工作，并且您的代码比我的代码干净得多，但我仍然会尝试理解
facet\u wrap
没有正确分组的原因。关于你的第二点，我同意你的观点，但是在这个具体的例子中，我确实需要处理阅读的数量而不是百分比。这样我就可以更容易地发现样本污染。@fra在您的案例中的问题是这样一行：
gg.MAIN@fra也
aes（y=totreasmill）
。不要传递向量-会弄乱你的结果用
批处理替换
实验
（正如另一篇文章所建议的）在我的原始代码中也解决了这个问题。我以前尝试过删除
实验
，但它不起作用，因为我后来还在传递向量。Thanks@fra如果答案有助于解决你的问题，你可以接受